在 Pandas 中按年份分组日期答案

【问题标题】：Grouping dates together by year in Pandas在 Pandas 中按年份分组日期
【发布时间】：2021-09-21 07:58:04
【问题描述】：

我有一个房地产价格数据集，它们目前按“DATE_SOLD”列出。我希望能够按年计算它们。数据集看起来像这样 -

SALE_DATE   COUNTY  SALE_PRICE
0   2010-01-01  Dublin  343000.0
1   2010-01-03  Laois   185000.0
2   2010-01-04  Dublin  438500.0
3   2010-01-04  Meath   400000.0
4   2010-01-04  Kilkenny    160000.0

这是我尝试过的代码 -

by_year = property_prices['SALE_DATE'] = pd.to_datetime(property_prices['SALE_DATE'])
print(by_year)

我认为我很接近，但作为一个圣经菜鸟，这很令人沮丧！

感谢您提供的任何帮助；到目前为止，这个网站在寻找让我的生活更轻松的小技巧和窍门方面一直很棒

【问题讨论】：

标签： python pandas data-analysis

【解决方案1】：

你很接近。正如您所做的那样，您可以使用pd.to_datetime 将您的 sale_date 转换为 datetime 列。然后groupby 年份，使用dt.year 获取日期时间的年份，并使用size() 计算每个组的大小，在本例中为年份。

property_prices['SALE_DATE'] = pd.to_datetime(property_prices['SALE_DATE'])
property_prices.groupby(property_prices.SALE_DATE.dt.year).size()

哪些打印：

SALE_DATE
2010    5
dtype: int64

【讨论】：

谢谢你，工作绝对完美！

【解决方案2】：

import pandas as pd

sample_dict = {'Date':['2010-01-11', '2020-01-22', '2010-03-12'], 'Price':[1000,2000,3500]}

df = pd.DataFrame(sample_dict)

# Creating 'year' column using the Date column
df['year'] = df.apply(lambda row: row.Date.split('-')[0], axis=1)

# Groupby function
df1 = df.groupby('Year')

# Print the first value in each group
df1.first()

输出：

            Date  x
year
2010  2010-01-11  1
2020  2020-01-22  2

【讨论】：